Text detection and recognition in raw image dataset of seven segment digital energy meter display

Towards Image-Based Automatic Meter Reading in Unconstrained Scenarios: A Robust and Efficient Approach

“…Although AMR (hereinafter AMR refers to image-based AMR) has received great attention in recent years, most works in the literature are still limited in several ways. In general, the experiments were performed either on propri-etary datasets [4], [10], [15] or on datasets containing images captured on well-controlled environments [3], [11], [16]. This is in stark contrast to related research areas, such as automatic license plate recognition, where in recent years the research focus shifted to unconstrained scenarios (with challenging factors such as blur, various lighting conditions, scale variations, in-plane and out-of-plane rotations, occlusions, etc.)…”

“…In addition, there are many works focused on a single stage of the AMR pipeline [7], [12], [18], which makes it difficult to accurately evaluate the presented methods in an end-to-end manner (e.g., the results achieved by a recognition model may vary considerably depending on how accurate the counter region is detected). Another factor that makes it difficult to assess existing methods, or their applicability, is that the authors commonly do not report the execution time of the proposed approaches or the hardware in which they performed their experiments [11], [16], [18]. Finally, to the best of our knowledge, no previous work dealt with cases where it is not possible to perform the meter reading due to occlusions or faulty meters, even though such cases are relatively common in practice.…”

Comparação de APIs de OCR para Reconhecimento de Dígitos em Imagens de Mostrador de Sete Segmentos

“…Como em muitos casos, o custo para a troca de um grande parque instaladoé alto, ou exige parada de processos de produção e/ou fornecimento de serviço, prefere-se usar soluções computacionais para o reconhecimento automático destes dígitos [Finnegan et al 2019] [Bonačić et al 2015. Destaca-se o trabalho de [Kanagarathinam and Sekar 2019] que propõe uma solução aplicada em medidores de consumo de energia elétrica. Em muitos lugares, a leituraé feito por um ser humano que depois envia/cadastra o dado para um sistema de cálculo de fatura.…”

“…Existem várias ferramentas OCR disponíveis no mercado capazes de realizar o reconhecimento de caracteres, criando opções para solucionar problemas de transferência de dados de medidores digitais. A questão de pesquisaé: "será que as ferramentas de OCR de mercado teriam um resultado melhor que o trabalho [Kanagarathinam and Sekar 2019], usando a mesma base de dados?" A proposta deste trabalhoé comparar ferramentas de OCR usando a base de dados "YUVA EB Dataset" sem a etapa de pré-processamento das imagens.…”

“…As análises e comparações serão feitas levando em consideração as características da base de dados, como condição de captura das imagens e por dígito. Além disso, será feita a comparação com o trabalho base [Kanagarathinam and Sekar 2019].…”